文献

J-GLOBAL ID：202202212754437062   整理番号：22A1102083

モノのインターネットを用いたバス火災リスク検出:アプリケーションシナリオ【JST・京大機械翻訳】

Bushfire Risk Detection Using Internet of Things: An Application Scenario

著者 (5件)： Nosouhi Mohammad Reza (Centre of Cyber Security Research Innovation, School of Information Technology, Deakin University, Geelong, VIC, Australia) ,  Sood Keshav (Centre of Cyber Security Research Innovation, School of Information Technology, Deakin University, Geelong, VIC, Australia) ,  Kumar Neeraj (Department of Computer Science and Engineering, Thapar University, Patiala, India) ,  Wevill Tricia (School of Life and Environmental Sciences, Deakin University, Geelong, VIC, Australia) ,  Thapa Chandra (Distributed Systems Security, Data61, CSIRO, Marsfield, NSW, Australia)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 9  号： 7  ページ： 5266-5274  発行年： 2022年 
JST資料番号： W2432A  ISSN： 2327-4662  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 気候変動に寄与する温度上昇と事象により,世界は極端な気象パターンに直面している。最近,オーストラリアは,国が直面する最も壊滅的な火災であるブッシュ火災によって硬くなった。報告された経済被害は,ほぼ10億のオーストラリアドルであり,推定3億の天然動物は死亡または悪影響を受けた。この損傷の程度と強度を考えると,研究者は,火災を防火者に利用し,寿命と資産を保護し,火災を緩和するために準備する前の火災の予測を可能にする効果的な解決策を求めている。これは,この重要な問題に取り組むためのアプローチを研究することを動機づけた。本論文では,環境パラメータ(例えば,温度,相対湿度など)の時空間測定における異常を検出する機械学習(ML)ベースの手法を提案した。提案した手法では,MLベースのモデルは環境データの正常な時空間挙動(1年間にわたって収集)を学習する。これを1回の訓練段階中に行った。次に,検出フェーズの間,正常パターンとは異なるリアルタイムデータ(フィールドセンサから受信)における任意の時空間パターンを,可能なブッシュ火災状況を示す異常としてモデルによって同定する。これに続いて,MoranのI指数に基づく補足的分類モデルを提案し,検出した異常がセンサ故障またはセキュリティ攻撃(モノのインターネットで一般的である)のいずれかによるものではないことを保証した。性能評価と比較のために3つの異なるMLモデルを開発し,それらを訓練するために森林火災データセットを使用した。著者らの実験の結果は,火災症状の早期検出における提案した方法の有効性を確認した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  火災 ,  相対湿度 ,  ブシュ ,  気象 ,  オーストラリア連邦 ,  受信 ,  気候変動 ,  *モデル ,  防火 ,  症状 ,  昇温 ,  機械学習 ,  サイバー攻撃
準シソーラス用語： *火災リスク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  呼吸器の診断  (GI02000S)

タイトルに関連する用語 (5件)： インターネット ,  バス ,  火災リスク ,  アプリケーション ,  シナリオ